從今年四月份到現在已經工作快9個月了，最開始是做推薦系統，然后做機器學習，現在是文本挖掘，每個部分研究的時間都不多，但還是遇到了很多問題，目前就把一定要總結的問題總結一下，以后有時間多看看，提醒自己看有沒有解決。
推薦系統：
1.冷啟動熱啟動區別和聯系？各個階段需要的算法？
2.每個算法的數學推導、適用情況、優缺點、改進方法、數據類型？
3.如何平衡熱啟動時的准確率和召回率，兩者不可能同時高，怎么平衡？從算法本身還是業務層面？驚喜度怎么添加？
4.如何評價推薦系統的好壞？指標是啥？
機器學習：
1.能解決哪幾類問題？（分類聚類回歸預測？）每一類型會有哪些算法？
2.每個算法優缺點各是什么？各能解決什么問題？側重點是什么？對數據的平衡性要求大嗎？對初始值敏感嗎？需要的數據類型是什么？（數值 or 類別？或者混合使用？）
3.每個算法是如何推導的？如果要調優要從哪些步驟着手？目前的局限是什么？（背后的數學依據）各個算法之間的聯系和區別是啥？各算法之間可以結合嗎？瓶頸和局限是什么？
4.python的scikit-learn包是不是都熟悉了，源碼有沒有看過？自己嘗試把每個算法寫一下，看看和scikit-learn包跑起來有沒有區別？精確度是否會提高？
5.每個算法的評價指標是什么？（精確度召回度f1-score還有別的嗎？）可視化有哪些方法？（ROC曲線？目前只知道這個，還有其他的嗎？）
文本挖掘
1.基本步驟是啥？（清洗數據（缺失值、噪音數據、平滑處理）--->中文分詞（各種方法）--->特征提取（tfidf還有其他幾種方法） --->特征選擇（卡方互信息發IG法等等）--->用機器學習算法跑）有沒有漏的？或者有沒有哪些步驟還有補充的可以提高精度的？
2.各個步驟之間各有哪種方法？每種方法區別和聯系？數學推導是什么？有沒有可以改進的地方？有沒有新的方法可以自己造的？
3.數據編碼轉碼不容忽視，不要忘記“不可見字符”（windows--->linux系統時候容易出現的問題）
這是工作到現在覺得必須要解決的問題，以后有新的發現再補充。關於這些問題的解決，不定期的在博客里發出來，不斷修改，不斷添加，總之，學習是個不斷迭代的過程，fighting！：）